Haber Makalesi Veri Kümesi

Question

Haber sınıflandırmasında bir proje yapıyorum. Temel olarak sistem, haber makalelerini önceden tanımlanmış konuya (örneğin, spor, politik, uluslararası) göre sınıflandıracaktır. Sistemi kurmak için sistemi eğitmek için ücretsiz veri setlerine ihtiyacım var. Şu ana kadar, birkaç saat sonra googling ve here arasındaki linklerden sonra bulabildiğim tek uygun veri setleri this'dur. Bu umarım yeterli olurken, daha fazlasını bulmaya çalışacağım.

Not veri setleri ve istediğim bir:

1. tam haber makaleler,
2. .txt biçimi değil, XML veya db

yılında

İngilizce olarak mı sadece başlık içeriyor Birisi bana yardım edebilir mi?

Answer 1

Yapabilir, bir arama yaptığınız bir Python/Perl/PHP betiği yazabilir, sonra cevapları bulduğunuzda regex ile öznitelikleri ayırabilirsiniz ... Bence en iyi seçenek. Kolay değil ama eğlenceli olmalı, sonunda bu veri setini bizimle paylaşabilirsiniz.

Answer 2

Reuters21578'u kullanmayı denediniz mi? Metin sınıflandırması için en yaygın veri kümesidir. SGML'de biçimlendirilmiştir, ancak bir txt biçimine ayrıştırmak ve dönüştürmek oldukça basittir.